12.02.2014 Aufrufe

Mathematik für Physiker - Numerische Physik: Modellierung

Mathematik für Physiker - Numerische Physik: Modellierung

Mathematik für Physiker - Numerische Physik: Modellierung

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

12.2. VERTEILUNGSFUNKTIONEN 441<br />

Abbildung 12.1:<br />

Wahrscheinlichkeitsbaum:<br />

an jedem der Knoten wird<br />

einer der Äste mit einer Wahrscheinlichkeit<br />

p i verfolgt. Die<br />

Gesamtwahrscheinlichkeit für<br />

das Eintreten der Ereignisse<br />

ganz rechts ist das Produkt<br />

der Wahrscheinlichkeiten der<br />

einzelnen Ereignisse entlang des<br />

Pfades; z.B. ist p(F ) = p 1 · p 5<br />

des Systems Wahrscheinlichkeiten zuordnen. Prognosen in unsicheren Systemen kann man<br />

mit Hilfe der Bayes’sche Statistik, dem ’<br />

Schließen in unsicheren Systemen‘, vornehmen. Die<br />

Grundlage ist die Bayes’sche Formel.<br />

§ 1647 Betrachten wir dazu ein Ereignis B. Dieses trete stets in Verbindung mit genau<br />

einem der sich paarweise ausschließenden Ereignisse A i (i=1,2,...,n) auf, d.h. die A i sind<br />

mögliche Zwischenstationen auf dem Weg zu B. Dann ist die totale Wahrscheinlichkeit für<br />

das Eintreten von B<br />

n∑<br />

p(B) = p(A i ) p(B|A i ) (12.4)<br />

i=1<br />

mit p(A i ) p(B|A) i als Wahrscheinlichkeit, B über A i zu erreichen.<br />

Anschaulich bedeutet (12.4): die totale Wahrscheinlichkeit p(B) für das Eintreten des Ereignisses<br />

B erhält man aus dem Ereignisbaum, indem man über die Wahrscheinlichkeiten aller<br />

nach B führenden Pfade summiert.<br />

§ 1648 Unter der Voraussetzung, dass B bereits eingetreten ist, gilt für die Wahrscheinlichkeit,<br />

dass B über A i erreicht wurde, die Bayes’sche Formel<br />

p(A i |B) = p(A i) p(B|A i )<br />

n∑<br />

. (12.5)<br />

p(A i ) p(B|A i )<br />

i=1<br />

Die bedingte Wahrscheinlichkeit p(A i |B) erhält man aus dem Ereignisbaum, indem man<br />

die Wahrscheinlichkeit längs des einzigen günstigen Pfades bestimmt und diese durch die<br />

Wahrscheinlichkeit p(B) dividiert, die sämtliche nach B führenden Pfade berücksichtigt.<br />

§ 1649 Ein Beispiel: eine Münze wird viermal hintereinander geworfen. Die möglichen Ergebnisse<br />

sind in Abb. 12.2 im Entscheidungsbaum dargestellt. In der obersten Zeile sind die<br />

Wahrscheinlichkeiten für die Ereignisse der entsprechenden Ebene angegeben. Wir interessieren<br />

uns für die Ereignisse B, bei denen dreimal Kopf erscheint, wie in Abb. 12.2 markiert. Die<br />

Wahrscheinlichkeit, dass das Ereignis B auftritt, ist 4/16 oder 1/4, wie man durch Abzählen<br />

sieht. B lässt sich über 4 verschiedene Pfade A i ansteuern: KKK, KKZ, KZK und ZKK.<br />

Die Wahrscheinlichkeiten der A i betragen jeweils p(A i ) = 1 8<br />

. Die bedingte Wahrscheinlichkeit<br />

1<br />

p(B|A i ) beträgt für jedes A i 2 , so dass wir aus (12.4) erhalten p(B) = 4 1 1<br />

8 2 = 1 4<br />

, wie auch<br />

anschaulich hergeleitet. Die Wahrscheinlichkeit, dass B über ein bestimmtes A i erreicht wurde,<br />

beträgt gemäß (12.5) ( 1 1<br />

2 8 )/ 1 4 = 1 4<br />

, was auch anschaulich klar ist, da alle 4 Zwischenstufen<br />

A i mit der gleichen Wahrscheinlichkeit auftreten.<br />

12.2 Verteilungsfunktionen<br />

§ 1650 Wahrscheinlichkeitsverteilungen werden u.a. zur Charakterisierung von Messwerten<br />

verwendet. Eine häufig verwendete Verteilung, die Gauß- oder Normalverteilung, ist uns bereits<br />

in Abschn. 11.6.2 begegnet. Wahrscheinlichkeitsverteilungen können diskret sein, z.B.<br />

c○ M.-B. Kallenrode 13. März 2007

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!